运动阴影与目标物体粘连, 具有运动一致性, 常常被误检测为运动目标的一部分。运动阴影的存在改变了运动物体的形状, 影响运动目标前景的进一步分析。为了解决这一问题, 提出了一种基于改进萤火虫优化算法的运动阴影去除算法。通过基于种群历史最佳位置影响的改进萤火虫算法(IFA)优化 2-Otsu(二维最大类间差法)距离测度函数的寻优过程, 获得最佳阈值, 并以此进行图像分割, 去除运动阴影, 并同传统 2-Otsu法、粒子群算法(PSO)优化 2-Otsu法、萤火虫算法(FA)优化 2-Otsu法进行比较。实验结果证明, 该方法较其他三种方法分别快 2.69倍, 1.42倍, 1.21倍; 另外, 在区域一致性、阴影检测率和识别率方面均优于其他三种算法, 验证了方法的有效性。

二氧化硅(SiO2)是光学系统中最常用光学薄膜材料之一, 其微观结构、缺陷等信息对于研究和提高薄膜的性能具有重要作用。本文通过电子束蒸发、离子辅助、磁控溅射方法制备 SiO2薄膜并进行测试, 计算出其吸收边光谱, 对吸收边光谱的强吸收区、e指数区、弱吸收区进行分段分析得到 SiO2薄膜的带隙宽度、带尾能量和氧空位缺陷含量数据。进一步分析三种薄膜和其在常规退火温度下的带隙宽度、带尾能量和氧空位缺陷含量的数据, 获得 SiO2薄膜的微观原子排列结构、微观缺陷信息, 并对不同镀膜技术和不同退火温度下 SiO2薄膜的原子排列结构、微观缺陷的差异和变化进行了分析和讨论。

自动目标识别(ATR)技术一直是**领域中急需解决的重点和难点。本文设计并实现了一种新的面向**目标识别应用的 DRFCN深度网络。首先, 在 DRPN部分通过卷积模块稠密连接的方式, 复用深度网络模型中每一层的特征, 实现高质量的目标采样区域的提取; 其次, 在 DFCN部分通过融合高低层次特征图语义特征信息, 实现采样区域目标类别和位置信息的预测; 最后, 给出了 DRFCN深度网络模型结构以及参数训练方法。与此同时, 进一步对 DRFCN算法开展了实验分析与讨论: 1) 基于 PASCAL VOC数据集进行对比实验, 结果表明, 由于采用卷积模块稠密连接的方法, 在目标识别平均准确率、实时性和深度网络模型大小方面, DRFCN算法均明显优于已有基于深度学习的目标识别算法; 同时, 验证了 DRFCN算法可以有效解决梯度弥散和梯度膨胀问题。 2) 利用自建**目标数据集进行实验, 结果表明, DRFCN算法在准确率和实时性上满足**目标识别任务。

针对现有的基于卷积神经网络的车辆目标检测算法不能有效地适应目标尺度变化、自身形变以及复杂背景等问题, 提出了一种融合多尺度上下文卷积特征的车辆目标检测算法。首先采用特征金字塔网络获取多个尺度下的特征图, 并在每个尺度的特征图中通过区域建议网络定位出候选目标区域, 然后引入候选目标区域的上下文信息, 与提取的目标多尺度特征进行融合, 最后通过多任务学习联合预测出车辆目标位置和类型。实验结果表明, 与多种主流检测算法相比, 本算法具有更强的鲁棒性和准确性。

近年来, 高温干扰遮蔽情况下利用红外热成像与数字全息成像相结合的新技术观察火场中目标成为时下的研究重点。理论上火焰和浓烟对长波长的红外数字全息成像没有影响, 但在现实火场环境中, 燃烧物的大颗粒灰尘将会干扰光路, 严重增加了全息图重建图像的噪声。本文提出了一种新的图像处理算法来抑制红外数字全息重建的噪声。该算法利用双边滤波器配合拉普拉斯金字塔算法将全息重建图像的细节和能量层分开, 再对细节层进行滤波, 然后用反向拉普拉斯金字塔算法将分离的层叠加回重建图像中, 从而提高重建像的分辨率, 并通过模拟火场环境验证了该算法对改善红外数字全息图重建像的分辨率具有显著效果。

针对目前图像增强算法应对非均匀光照环境的局限性, 提出了一种同时保持低照度区域和正常照度区域细节信息的图像亮度均衡算法。算法利用像素相邻频率和位置关系生成光照滤波器, 有效分离图像光照信息和反射细节信息。通过光照阈值划分光照亮暗区域进行低照度亮度补偿, 从而均衡图像亮度。实验结果显示, 相对于经典 NPEA算法, 图像平均峰值信噪比提升 15.4%、平均增强度提升 245.0%、平均亮度阶差下降 25.4%。因此, 本文算法能够在保持不同照度区域的细节信息的同时均衡亮度, 获得较好的视觉效果。

针对水下环境中传统算法对双目图像匹配时存在速度慢、误匹配较多等问题, 提出一种基于 ORB(的特征检测和曲线极线约束相结合的水下立体匹配方法。先检测图像的特征点, 生成描述子, 并进行特征匹配; 然后根据折射定律, 结合双目相机的内外参数, 推导出水下曲线极线; 最后结合水下曲线极线约束, 剔除误匹配点。实验结果表明, 相比传统的 SIFT算法与曲线约束, 论文提出的立体匹配方法在有效控制误匹配的情况下, 显著提高了运算速度, 对提升水下双目视觉系统的快速处理能力具有实践意义。

针对 30倍连续变焦电视公差灵敏度高, 装调难度大的问题, 运用光学仿真方法分析各分离透镜偏心对光学系统 MTF的影响。结果显示, 前组镜中心偏差对系统像质影响敏感, 会产生非对称像差。本文优选光机界面的结构形式, 使透镜下表面自动定心, 微调上表面将偏心控制在公差范围内。变倍组、补偿组作为运动组件, 在变焦过程中光轴共轴性也是影响系统像质的关键因素。本文采用机械定心工装使运动组件的中心轴线与导杆轴线平行, 再以前组镜透射光轴为基准, 校正所有光学部件光轴与之共轴。光学系统经过精密装调, 小视场像质分辨率达到 2.43″, 接近衍射分辨率极限。

针对人工手动提取视网膜血管工作量大, 主观性强等问题, 本文提出了一种将区域生长思想、脉冲耦合神经网络(PCNN)、高斯滤波器组及 Gabor滤波器相结合的视网膜血管分割方法。首先将二维高斯滤波器组、二维 Gabor匹配滤波器相结合, 对视网膜血管区域进行形态匹配增强, 提升血管与背景的对比度。然后将带有快速连接机制的 PCNN与区域生长思想相结合, 每次从未处理的像素点中选取亮度最大的作为种子, 使用自适应的连接系数及停止条件, 实现眼底图像中血管的自动分割。整个算法在 DRIVE眼底数据库上的实验结果显示, 平均准确度、灵敏度、特异性分别达到 93.96%、78.64%、95.64%, 分割结果中血管断点少, 微小血管清晰, 具有较好的应用前景。

本文提出了一种能够与胃镜相匹配的光纤拉曼光谱系统和积分能量比相结合来快速诊断胃癌的方法。首先, 采用光纤拉曼光谱系统对来自 17例胃正常粘膜, 12例胃腺癌粘膜的活检组织进行拉曼光谱检测 (激发光波长 785 nm, 功率 50 mW, CCD温度-80 ℃, 采集时间 1 s)。然后, 采用降低基线、快速傅里叶转化 (FFT)平滑对拉曼原始光谱进行预处理。最后, 根据拉曼谱图特征, 分析了拉曼特征峰的归属, 比较了胃正常和胃腺癌粘膜的拉曼光谱差异和连续频带内(1500 cm-1～1700 cm-1)和非连续频带 (1100 cm-1～1200 cm-1)积分能量比。结果表明, 胃腺癌粘膜位于 1002 cm-1、 1073 cm-1、1450 cm-1、1655 cm-1归属于苯丙氨酸和蛋白质的拉曼峰强度比正常粘膜相对增高, 胃正常和胃腺癌粘膜在连续频带内和非连续频带积分能量差异明显(独立样本 t检验, P<0.05), 并以积分能量的比值来作为诊断指标, 获得的准确度达到 97.5%～98.5%, 敏感度达到 91.7%和特异度达到 100.0%。